LONDON (IT BOLTWISE) – Jeff Dean verlässt Google, um mit einem Team aus mehreren Top-KI-Forschern das Startup Discovery Loop aufzubauen. Das Unternehmen will KI nutzen, um experimentelle Forschungsabläufe deutlich zu beschleunigen und dabei tausende Tests parallel anzustoßen. Ziel ist nicht nur eine höhere Experimentanzahl, sondern auch eine teilweise Automatisierung des Iterationszyklus zwischen Hypothese, Durchführung und Auswertung. Außerdem gibt sich Discovery Loop offen für die Idee der rekursiven Selbstverbesserung, bei der KI menschliche Schleifen zumindest teilweise ersetzen soll.
Der Schritt kommt nicht aus dem Nichts: Wenn Jeff Dean, seit 1999 prägend bei Google, den Konzern verlässt, dann verschiebt sich der Fokus von Infrastruktur und Modellstrategie hin zu einem sehr konkreten Anwendungsfeld. Die von ihm mitgegründete Initiative heißt Discovery Loop und wird als Public-Benefit-Corporation gestartet. Im Kern geht es um einen Paradigmenwechsel in der Laborforschung: Statt dass Forschende jede Schleife von der Idee bis zum nächsten Experiment manuell koordinieren, soll KI komplette Experiment-„Loops“ anstoßen, überwachen und iterativ anpassen. Damit zielt das Startup auf genau die Engstelle ab, die in vielen Disziplinen immer wieder sichtbar wird: Selbst wenn Mess- und Rechenkapazität verfügbar sind, limitiert die sequentielle menschliche Iteration die Geschwindigkeit.
Technisch lässt sich die Idee als Automatisierung eines geschlossenen Regelkreises beschreiben. Discovery Loop spricht davon, „tausende Experimente gleichzeitig“ zu starten und dabei „hochoktanige Algorithmen“ zu verwenden, um Initiation und Iteration zu beschleunigen. Das bedeutet in der Praxis, dass eine KI nicht nur Vorhersagen trifft, sondern Entscheidungen für den nächsten Versuch ableitet und die Rückkopplung in den Datenstrom integriert: Welche Parameter werden als Nächstes variiert? Welche Messwerte fließen in das Update? Wie wird die Suche so gesteuert, dass man nicht beliebig viele Versuche produziert, sondern die Wahrscheinlichkeit für relevante Ergebnisse erhöht. Solche geschlossenen Schleifen sind in der Forschung schon lange ein Thema – neu ist hier der Anspruch, sie stärker als durchgängiges System zu industrialisieren und mit massivem Rechenbudget „automatisierte komplette Experiment-Loops“ zu erreichen.
Interessant wird das Vorhaben auch deshalb, weil es zwei Ebenen von KI-Use-Cases zusammenführt. Erstens nutzt Discovery Loop KI, um wissenschaftliche Entdeckung schneller zu machen: mehr Durchläufe, schnelleres Lernen aus Messdaten, weniger Wartezeit zwischen Hypothese und Validierung. Zweitens nennt das Unternehmen die Nutzung von KI zur Erzeugung „mächtigerer KI“ durch rekursive Selbstverbesserung. Dieses Konzept zielt darauf, dass eine KI nicht nur Aufgaben löst, sondern sich über wiederholte Trainings- und Optimierungsschleifen selbst weiterentwickeln kann, wodurch die menschliche Feinjustierung teilweise aus der Schleife herausfällt. Genau diese Verbindung ist für die KI-Industrie brisant: Sie verlagert den Wettbewerb nicht ausschließlich auf Modellgröße oder Inferenzkosten, sondern auf die Fähigkeit, Feedback-Zyklen über Daten, Simulation und reale Experimente hinweg effektiv zu orchestrieren.
Marktseitig passt der Zeitpunkt in eine Phase, in der KI-gestützte Forschung von reinen Machbarkeitsstudien zu wiederholbaren Produkt- oder Plattformansätzen übergeht. Laut dem Startup erhält Discovery Loop finanzielle Unterstützung aus mehreren Quellen; die Erstfinanzierungsrunde wird unter anderem gemeinsam von Radical Ventures und Khosla Ventures angeführt, weitere Investoren wie Kleiner Perkins, Lightspeed und Doerr Capital beteiligen sich. Dass ausgerechnet der Kreis um Jeff Dean nun ein öffentliches Nutzenmandat wählt, deutet zudem auf einen Anspruch hin, die Wirkung stärker mit wissenschaftlicher Beschleunigung zu verknüpfen als mit reinem Software-Umsatz. Für Unternehmen und Labore entsteht damit ein neuer Evaluationsmaßstab: Nicht „Wie gut ist das Modell?“, sondern „Wie zuverlässig schließt es die Schleife zwischen Daten, Experiment und Erkenntnis“ – und wie schnell amortisiert sich die zusätzliche Automatisierung gegenüber etablierten Prozessketten.
Auch Deans Hintergrund zeigt, warum das Setup nicht nur als Ideenprojekt verstanden werden sollte. Er arbeitete seit 1999 bei Google und gilt als einer der prägenden Köpfe für grundlegende Systeme wie Crawling und Indexierung sowie die Auslieferung von Suchanfragen. Gleichzeitig wird in der Beschreibung seiner Rolle betont, dass er Einfluss auf Googles Gemini-orientierte multimodale Modelle hatte und früh an der KI-Forschung beteiligt war. Diese Kombination aus skalierbarer Infrastruktur und KI-F&E-Erfahrung ist für Discovery Loop relevant, weil „tausende Experimente parallel“ nicht nur algorithmische, sondern vor allem operative Anforderungen stellt: Daten müssen konsistent erfasst, Workflows zuverlässig verteilt und Ergebnisse in einer Form zurückgeführt werden, die das nächste Optimierungs-Roundtrip tatsächlich verbessert.
Ein weiteres Signal steckt in der Tonalität der Aussagen: Discovery Loop spricht explizit davon, Fortschritt von einer bisher langsamen, sequentiellen Iteration hin zu deutlich schnelleren Innovationszyklen zu verlagern. Damit steht das Unternehmen in einer Linie mit früheren Versuchen, KI in einzelne Forschungsphasen einzuziehen – von der datengetriebenen Parameterwahl bis zu Surrogatmodellen, die teure Simulationen ersetzen. Der Unterschied dürfte im Zielbild liegen, das nicht bei Teiloptimierungen endet, sondern die „vollständige Experiment-Loop“ adressiert. Für potenzielle Partner aus Forschungseinrichtungen und Industrie heißt das: Der Nutzen entsteht erst dann, wenn sich die KI-gestützte Steuerung in reale Messprozesse integrieren lässt und nicht nur im Notebook beeindruckt. Gelingt das, kann Discovery Loop zu einem Benchmark dafür werden, wie stark sich KI künftig als „Orchestrator“ hinter Laborsetups einfügt – nicht als einzelner Helfer, sondern als System, das den nächsten Versuch aktiv plant.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Discovery Loop startet KI-Startup: Experimente in Tausendern automatisieren" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Discovery Loop startet KI-Startup: Experimente in Tausendern automatisieren" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Discovery Loop startet KI-Startup: Experimente in Tausendern automatisieren« bei Google Deutschland suchen, bei Bing oder Google News!